一种基于POI序列的VR交互方法与流程

一种基于poi序列的vr交互方法
技术领域
1.本发明涉及虚拟现实技术的技术领域，具体为一种基于poi序列的vr交互方法。


背景技术：

2.虚拟现实技术（vr）是一种基于可计算信息构造沉浸式人机交互环境的信息技术，其采用计算机产生一种人为虚拟的环境，生成一个以视觉感受为主，包括听觉、触觉的综合感知的人工环境，人们可以通过视觉、听觉、触觉和加速度等多种感觉通道感知计算机虚拟的虚拟世界，也可以通过移动、语音、表情、手势及视线等最自然的方式和虚拟世界交互，从而产生身临其境的体验。
3.在三维环境下的多人交互，无论是专业技能人才培训、医疗诊断还是游戏体验，都不可避免需要多人在三维环境下的虚拟现实空间中进行交流，人与人的交流、多人与设备的交互，多人与虚拟内容的交互过程中，交互系统复杂度高，至今仍存在以下众多核心难题：（1）vr交互系统结构复杂，设计难度大；（2）vr交互系统研发成本较高，3d模型制作难度大，长期开发困难；（3）若长时间处于vr交互系统中则会导致用户产生严重的眩晕感，无法拥有更加真实地丰富感知和良好的虚拟体验。
4.为针对上述缺陷，现有技术中已经出现有通过将兴趣点（poi）运用于vr交互中的技术；但是，兴趣点（poi）在vr交互中仍然存在以下技术问题：（1）签到数据稀疏，降低交互性能；（2）经典的兴趣点交互算法未能充分利用兴趣点的上下文信息，交互性能没有显著增加；（3）大部分兴趣点领域的算法没有和时间、空间相结合，不能在具体的时间点和位置进行有效交互。
5.因此本技术提出一种基于poi序列的vr交互方法，能够很好的解决上述问题。


技术实现要素：

6.本发明的目的在于提供一种基于poi序列的vr交互方法，以解决上述背景技术中提出的问题。
7.为实现上述目的，本发明提供如下技术方案：与现有技术相比，本发明实现的有益效果是：1）本发明提供一种基于poi序列的vr交互方法，通过历史数据中的用户访问poi的频率、时间、位置、类型等相关数据进行信息采集，结合设计的兴趣点排列模型进行快速运算，得到大数据分析处理的兴趣点序列，在进行模型训练测试的过程中，导入历史相关信息进行验证，使得模型具备数据基础，待测试结束后导入vr交互系统中并实时根据交互内容进行快速的兴趣点序列运算，并能够根据序列中的poi线索主动连贯的引导用户进行良好
体验的交互。
附图说明
8.图1为本发明vr交互与兴趣点的关系示意图；图2为本发明vr交互与场景兴趣点的关系示意图；图3为本发明交互方法的步骤流程图。
具体实施方式
9.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
10.在本发明的描述中，需要说明的是，术语“上”、“下”、“内”、“外”“前端”、“后端”、“两端”、“一端”、“另一端”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。
11.在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“设置有”、“连接”等，应做广义理解，例如“连接”，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
12.如图1所示，vr交互可以通过以视听线索为主的多感官的线索等多形式的兴趣线索转移用户的注意力和凝视方向，提取信息并理解故事，即类似于漫画中单个图片无法促使用户的注意力转移一样，单个的兴趣点poi也同样不能产生连续叙事的效果，因此，本发明考虑poi之间的内在联系，构建poi序列以维持故事的连贯性。
13.如图2所示，vr交互中，用户的探索行为在整个vr故事中持续存在，尤其是故事开端的探索环节，通常会在开端设置单一的兴趣点poi来引导用户视线，甚至通过场景和话语约束，如设置视线遮挡物、限制视角和推动摄像机等方式来抑制感官，从而突出主体物；然而，故事剧情往往需要多个场景兴趣点scene poi同时存在，这就要求必须考虑用户的心理和行为，并对多个场景兴趣点scene poi进行布局，根据不同的意图，设计不同的场景兴趣点scene poi序列，一方面，叙事者可以通过增加场景兴趣点scene poi在空间中的密度来营造逼真和有趣的环境，吸引用户去主动探索，另一方面，也可以利用不同兴趣点poi类型的注意力效用，设置poi的权重，突出最主要的兴趣点poi。
14.请参阅图3为本发明提供的一种实施例：本发明提供一种基于poi序列的vr交互方法，包括以下步骤：s1：抓取历史vr交互记录中的兴趣点，形成兴趣点集合；形成兴趣点集合包括分别依次对兴趣点进行清洗、筛选、标记和归纳处理，依据标记依次进行队列归纳，形成兴趣点集合，通过清洗、筛选、标记和归纳处理有效提高兴趣点集合的相关度和有效度，从而为主
动连贯地引导用户进行良好体验的交互提供有效帮助；s2：对兴趣点集合进行类别分组，获得一个集合内的多个兴趣点组合；类别分组包括根据属性划分兴趣点集合中的兴趣点；例如，若兴趣点集合中的序号1、序号2、序号5属于同一属性，则将其划分为第一类别，形成第一组，若序号3、序号4和序号6属于同一属性，则将其划分为第二类别，形成第二组，若序号7、序号9属于同一属性，则将其划分为第三类别，形成第三组；通过属性对兴趣点集合进行类别分组可以有效提高后续兴趣点排序模型建立的效率；s3：基于时间序列和空间转换策略构建兴趣点排序模型；在本步骤中，时间序列是指：将统一统计值按照时间发生的先后顺序进行排列，时间序列分析的主要目的是根据已有数据对未来进行预测。
15.具体操作步骤为：定义按照时间序列排列的一组随机变量来表示一个随机时间的时间序列，即为，用表示该随机序列的n个有序观察值，即为序列长度n的观察者序列。
16.空间转换策略即为空间数据转换策略，空间数据是指用来表示空间实体的位置、形状、大小及其分布特征诸多方面信息的数据，它是数据的一种特殊类型，用点、线、面以及实体等基本空间数据结构来表示人们赖以生存的自然世界，空间数据转换是将空间数据从一种表示形式转变为另一种表示形式的过程。
17.转换方法：以vct为开发平台，采用etl的技术方法，利用mapobjects组件将vct文件转换为shape文件格式，并进行了转换程序的编制。
18.其中转换程序的部分运行代码示意如下：《style》
ꢀꢀꢀꢀꢀꢀ
* {
ꢀꢀꢀꢀꢀꢀꢀꢀ
margin: 0;
ꢀꢀꢀꢀꢀꢀꢀꢀ
padding: 0;
ꢀꢀꢀꢀꢀꢀ
}
ꢀꢀꢀꢀꢀꢀ
ul {
ꢀꢀꢀꢀꢀꢀꢀꢀ
width: 360px;
ꢀꢀꢀꢀꢀꢀꢀꢀ
height: 40px;
ꢀꢀꢀꢀꢀꢀꢀꢀ
margin: 100px auto;
ꢀꢀꢀꢀꢀꢀ
}
ꢀꢀꢀꢀꢀꢀ
li {
ꢀꢀꢀꢀꢀꢀꢀꢀ
transform-style: preserve-3d;
ꢀꢀꢀꢀꢀꢀꢀꢀ
float: left;
ꢀꢀꢀꢀꢀꢀꢀꢀ
position: relative;
ꢀꢀꢀꢀꢀꢀꢀꢀ
list-style: none;
ꢀꢀꢀꢀꢀꢀꢀꢀ
width: 120px;
ꢀꢀꢀꢀꢀꢀꢀꢀ
height: 40px;
ꢀꢀꢀꢀꢀꢀꢀꢀ
line-height: 40px;
ꢀꢀꢀꢀꢀꢀꢀꢀ
text-align: center;
ꢀꢀꢀꢀꢀꢀꢀꢀ
transition: all 1s;
ꢀꢀꢀꢀꢀꢀꢀꢀ
/* transform: rotatex(30deg) rotatey(30deg); */
ꢀꢀꢀꢀꢀꢀ
}构建完成的兴趣点排序模型需要通过模型训练测试提高运算精度，所述模型训练测试包括将兴趣点组合的参数输入兴趣点排序模型中进行训练测试，直至满足输出要求时停止训练；所述模型训练测试的输入数据为兴趣点组合的参数，输出数据为兴趣点序列；所述模型训练测试包括以下步骤：（1）遍历所有的用户，计算兴趣点的时刻之间的平均相似度、空间位置的平均匹配度，求解用户在某个时间访问的兴趣点组合；（2）计算连续时间内的两个用户之间的余弦相似度，求解连续时间内用户在t时刻访问兴趣点的频率；（3）导入空间位置坐标，求解得到时刻之间的平均相似度、空间位置的平均匹配度的基于空间影响的权重；（4）协同融合权重和步骤（1）、（2）的计算结果，得到用户对访问兴趣点频率较高的兴趣点序列。
19.s4：将兴趣点排序模型导入计算机运行程序中进行计算，兴趣点排序模型自适应抓取兴趣点进行排序运算，得到兴趣点序列；兴趣点排序模型包括，在计算出的时间序列中，去除掉目标用户在兴趣点集合已经点过的内容，剩余的点位中计算目标用户可能感兴趣的程度，计算公式如下：其中，表示目标用户u对内容i的感兴趣程度，表示与目标用户兴趣点最相似的k个有关内容，此处k=5；表示用户v对i的喜欢程度，即为用户v对i的评分；wuv表示用户v中含有目标用户u的数量；n（i）表示用户兴趣点中对内容i最相近的程度。
20.在该步骤中，排序运算可以按照以下程序进行{
ꢀꢀꢀꢀꢀꢀꢀꢀ
display: block;
ꢀꢀꢀꢀꢀꢀꢀꢀ
position: absolute;
ꢀꢀꢀꢀꢀꢀꢀꢀ
color: #fff;
ꢀꢀꢀꢀꢀꢀꢀꢀ
text-decoration: none;
ꢀꢀꢀꢀꢀꢀꢀꢀ
width: 120px;
ꢀꢀꢀꢀꢀꢀꢀꢀ
height: 40px;
ꢀꢀꢀꢀꢀꢀ
}
ꢀꢀꢀꢀꢀꢀ
li a:nth-child(1) {
ꢀꢀꢀꢀꢀꢀꢀꢀ
background-color: green;
ꢀꢀꢀꢀꢀꢀꢀꢀ
transform: translatez(20px);
ꢀꢀꢀꢀꢀꢀꢀꢀ
z-index: 1;
ꢀꢀꢀꢀꢀꢀ
}s5：将运算得到的兴趣点序列导入vr程序中运行；s6：根据vr交互策略实时调取相应类别的兴趣点序列至交互界面；在该步骤中，vr交互策略是指类似于漫画中的图片序列和传统电影的镜头序列，vr尤其是cvr中多个poi之间会构成叙事的线索链条，吸引用户的注意力在各种事物之间转移，推动着故事情节的发展。然而，与传统电影的镜头序列不同的是，vr媒体具备了空间属性和交互属性。这导致事件序列不再局限于时间顺序排布的叙事结构。这意味着在虚拟空间中讲故事，设计师需要更多的考虑poi的类型和poi在空间中的位置排布而不是单纯的从时间的角度安排事件。
21.s7：交互界面依次展示兴趣点序列内容，引导用户进行交互类别选择，在本实施例中，交互界面根据兴趣点序列依次调取相应序列位置上的兴趣点内容，引导用户进行vr交互。
22.不难理解的是，本发明通过历史数据中的用户访问poi的频率、时间、位置、类型等相关数据进行信息采集，结合设计的兴趣点排列模型进行快速运算，得到大数据分析处理的兴趣点序列，在进行模型精度训练的过程中，导入历史相关信息进行验证，使得模型有了一定的数据基础，待测试结束后导入vr交互系统中也能实时根据交互内容进行快速的兴趣点序列运算，并能够根据序列中的poi线索主动的、连贯的引导用户进行良好体验的交互。
23.对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。